دوره آموزشی خودکارسازی کیفیت داده ها در محیط های توسعه دهنده
1 ساعت 4 دقیقهپیشرفته2024-08-07
مدرسین

Lauren Maffeo
جزئیات دوره
کیفیت داده ها ستون فقرات هوش مصنوعی موفق است، با این حال اکثر رهبران فاقد استانداردهای کیفیتی هستند که می توانند در تولید به طور خودکار آنها را به کار گیرند. این دوره به شما می آموزد که چگونه استانداردهای کیفیتی را برای داده های دامنه خود ایجاد کنید، سپس آن استانداردها را در محیط های تولیدی خودکار کنید.
اکثر سازمان ها با استانداردهای ناکافی برای اندازه گیری کیفیت، داده های بیشتری را نسبت به آنچه که می توانند به طور مؤثر مدیریت کنند تولید و دریافت می کنند. از آنجایی که رهبران برای استفاده از هوش مصنوعی با فشار فزایندهای مواجه میشوند، شرکتهایی که استانداردهای بهتری را اتخاذ و اجرا نمیکنند، عقب خواهند ماند. مربی Lauren Maffeo توضیح می دهد که چگونه استانداردهای کیفیت داده را در هر دامنه تعریف کنید، چه کسی باید این استانداردهای کیفیت را تنظیم کند، از چه ابزارهایی باید برای مقیاس و خودکارسازی این استانداردها استفاده کنید، و چگونه اطمینان حاصل کنید که هر داده جدید با این استانداردها اندازه گیری می شود. درک درستی از افراد، فرآیندها و ابزارهای مورد نیاز برای دانستن کیفیت داده ها به دست آورید و آن استانداردها را در معماری داده خود ادغام کنید.
اکثر سازمان ها با استانداردهای ناکافی برای اندازه گیری کیفیت، داده های بیشتری را نسبت به آنچه که می توانند به طور مؤثر مدیریت کنند تولید و دریافت می کنند. از آنجایی که رهبران برای استفاده از هوش مصنوعی با فشار فزایندهای مواجه میشوند، شرکتهایی که استانداردهای بهتری را اتخاذ و اجرا نمیکنند، عقب خواهند ماند. مربی Lauren Maffeo توضیح می دهد که چگونه استانداردهای کیفیت داده را در هر دامنه تعریف کنید، چه کسی باید این استانداردهای کیفیت را تنظیم کند، از چه ابزارهایی باید برای مقیاس و خودکارسازی این استانداردها استفاده کنید، و چگونه اطمینان حاصل کنید که هر داده جدید با این استانداردها اندازه گیری می شود. درک درستی از افراد، فرآیندها و ابزارهای مورد نیاز برای دانستن کیفیت داده ها به دست آورید و آن استانداردها را در معماری داده خود ادغام کنید.
مهارت ها
Data GovernanceData Resource ManagementData EngineeringDatabase ManagementData ScienceOne-Off
سرفصل ها
0. مقدمه
- 01 - چرا کیفیت دادهها بسیار مهم است
1. نقشه راه خود را برای QA دادهها بنویسید
- 02 - دادههای خود را به عنوان یک محصول مدیریت کنید
- 03 - یک پروژه با اولویت بالا را انتخاب کنید
- 04 - حسابرسی دادهها را انجام دهید
- 05 - یک نقشه فرآیند وضعیت فعلی ایجاد کنید
- 06 - کیفیت داده را تعریف کنید
- 07 - یک نقشه راه برای تحویل محصول داده بنویسید
2. توسعه حاکمیت محور را تمرین کنید
- 08 - الزامات داده را برای نقشه راه خود بنویسید
- 09 - سیستم(های) منبع داده خود را تأیید کنید
- 10 - یکپارچه سازی سیستم دادههای مناسب را ایجاد کنید
- 11 - حداقل معیارهای پذیرش دادههای منبع خود را تعریف کنید (MAC)
- 12 - ردیابی نسب داده را تنظیم کنید
- 13 - سطوح دسترسی به ازای هر کاربر را تعریف کنید
- 14 - پیش نویس نقشه فرآیند آینده
- 15 - حوزههای تبدیل دادهها را تعریف کنید
- 16 - چند کاربر فوقالعاده را برای اعتبارسنجی محصول خود انتخاب کنید
- 17 - به تیم داده خود فضایی برای شکست بدهید
3. نظارت بر دادهها در تولید
- 18 - برنامهای برای کنترل دادهها در طول چرخه عمر کامل ایجاد کنید
- 19 - اصول طراحی دیتا مش را تمرین کنید
- 20 - استانداردهای QA دادههای فدرال را خودکار کنید
- 21 - استانداردهای امنیت دادهها را اجرا کنید
- 22 - یک ماتریس ردیابی بسازید
- 23 - استانداردهای QA دادههای خود را مقیاس و خودکار کنید
- 24 - از فروشگاههای ویژگی برای جلوگیری از جابجایی دادهها استفاده کنید
- 25 - ارسال دادههای جدید به عنوان واحدهای قابل استقرار
- 26 - تغییرات مقررات جاری را پیگیری کنید
نتیجه گیری
- 27 - ادامه سفر یادگیری خود در کیفیت داده ها
دوره های مرتبط
- دوره آموزشی حاکمیت دادهها در صنعت سلامت
- دوره آموزشی ساخت حسابرسی مبتنی بر هوش مصنوعی
- دوره آموزشی عدالت دادهای: تضمین نمایندگی عادلانه در مجموعه دادههای هوش مصنوعی
- دوره آموزشی مقدمهای بر اخلاق و ایمنی هوش مصنوعی
- دوره آموزشی ادغام دادهها و توسعه API برای اپلیکیشنهای هوش مصنوعی
- دوره آموزشی حکمرانی دادههای هوش مصنوعی، رعایت قوانین و حسابرسی برای توسعهدهندگان
- دوره آموزشی امنیت محصول هوش مصنوعی: ساخت حاکمیت داده قوی و حفاظت از آن
- دوره آموزشی حاکمیت داده خودکار در عمل